Älgskötselområde och viltkameradata: så bidrar du till klövviltförvaltningen

De flesta jägare har redan kamerorna ute. Mer än 100 000 svenska jägare uppskattas använda viltkameror för att följa viltet på sina marker, och hundratusentals kameror genererar miljontals bilder varje år. Frågan är inte längre om det finns kameradata – den finns redan, i enorm mängd. Frågan är om den någonsin kan bli något mer än privat kunskap på din egen mark: ett underlag som faktiskt hjälper älgförvaltningsgruppen att sätta rätt avskjutningsmål.

Svaret är ”ja, men inte hur som helst”. Och just det ”inte hur som helst” är hela poängen med den här artikeln. Bilder från en kamera vid din saltsten säger en hel del om vad som rör sig hos dig – men de kan inte utan vidare räknas om till en älgtäthet för skötselområdet. Förstår du varför, förstår du också exakt hur dina bilder kan göra nytta i förvaltningen, och var gränsen går.

Så låt oss börja med hur systemet faktiskt är byggt, sedan titta på de dataströmmar som redan styr besluten, och först därefter placera kameran där den hör hemma: som ett växande komplement, inte en ersättning.

Hur svensk älgförvaltning egentligen är byggd

Det är lätt att tänka på älgförvaltning som ”tilldelningen” – hur många djur ditt jaktlag får skjuta. Men tilldelningen är slutprodukten av ett system med flera nivåer, och det är det systemet som avgör vilken sorts data som är värd något.

Sverige har sedan jaktåret 2012/13 en adaptiv och ekosystembaserad älgförvaltning. ”En adaptiv förvaltning innebär att förvaltningen hela tiden ska kunna anpassa sig till nya eller förändrade förhållanden”, som Älgdata formulerar det. Översatt: man sätter mål, mäter utfallet, och justerar. Det förutsätter att man faktiskt mäter – och mäter samma sak år efter år.

Strukturen ser ut så här. Landet är indelat i älgförvaltningsområden (ÄFO), stora nog att rymma en någorlunda självständig älgstam. Varje ÄFO ”leds av en älgförvaltningsgrupp” med representanter för både markägare och jägare, och gruppen tar fram en treårig älgförvaltningsplan för området. Inom ett ÄFO ligger sedan älgskötselområden (ÄSO) – frivilliga sammanslutningar av marker – som var och en har en älgskötselplan. Länsstyrelsen står utanför som myndighet: den ”ansvarar för att godkänna älgförvaltningsplaner och för att fastställa älgskötselplaner”, och väger älgförvaltningen mot andra samhällsintressen. Själva jakten på älg sker ”inom licensområden eller skötselområden där det finns en skötselplan som styr hur många djur som får skjutas”.

Tilldelningen är inte startpunkten – den är slutsatsen av allt man har mätt. Är mätningen svag blir beslutet en gissning.

Poängen för den som hanterar data är att besluten fattas på områdesnivå, inte för din enskilda jaktmark. En älgförvaltningsgrupp behöver veta hur stammen i hela ÄFO:t utvecklas, hur kvoterna används och om målen nås. Och här ligger själva utmaningen: den nya förvaltningen har i utvärderingar visat sig ”tendera att överskatta populationen vid låga tätheter och underskatta populationen vid höga tätheter”. Bättre, mer objektiva mått på tätheten är alltså inte en akademisk lyx – det är precis vad systemet saknar.

Dataströmmarna som redan styr besluten

Innan vi sätter upp en enda kamera är det värt att vara ärlig om vad som redan finns. Svensk älgförvaltning vilar inte på en metod utan på flera samtidigt, och en älgförvaltningsplan ska enligt länsstyrelsernas riktlinjer bygga på ”avskjutningsstatistik och älgobs, även spillningsinventering, slaktvikt på älgkalvar samt ÄBIN”. Var och en mäter olika saker, och var och en har sina brister.

Avskjutningsstatistiken är ryggraden. Inrapportering av fällda älgar ”har länge varit obligatoriskt och avskjutningsdata används ofta som ett relativt mått på viltstammarnas täthet”. Principen bygger på antagandet att jägarna fäller en relativt stabil andel av de djur som finns. Det fungerar ofta – men inte alltid, och just nu illustrerar älgen problemet: avskjutningen är ”nästan halverad jämfört med för tio år sedan”, och stammen gick från cirka 250 000 individer vid jaktstart hösten 2023 till omkring 200 000 efter säsongen. När jägarna aktivt väljer att skjuta färre djur än de ser, slutar avskjutningen vara en pålitlig spegel av tätheten.

Älgobsen är den näst mest spridda metoden. Jaktlagen noterar antalet observerade älgar och nedlagd tid under ”de 7 första jaktdagarna under älgjaktens 30 första dagar”. Tre saker faller ut: stammens förändring från år till år, antalet kalvar per vuxet hondjur och andelen tjur av de vuxna. Men metoden har hårda förbehåll. ”Det är jägarnas observationer vi räknar, inte antalet älgar”, och ”resultatet kan inte jämföras mellan olika områden, bara för samma område mellan åren”. Framför allt: ”minst 5 000 timmar krävs för att älgobsen ska vara tillförlitlig”. Det är ett index över trender, inte en absolut räkning – och i takt med att jägarna lägger färre timmar i skogen blir underlaget tunnare.

Spillningsinventeringen ger ett mer absolut mått. Genom att räkna spillningshögar på provytor och räkna om till älgdygn – ”älgen lämnar 14–17 högar/dygn” – får man en täthet för en viss period. Den är billig i material men ”arbetsintensiv och kräver många arbetstimmar”. Jägareförbundet noterar att ”älgobs i kombination med spillningsinventering ger relativt tillförlitligt underlag till relativt låga kostnader”.

Slaktvikterna, särskilt slaktvikt på kalv, mäter inte antal utan kvalitet. ”Slaktvikt på kalv bör rapporteras … då det bland annat ger data kring populationens kondition”, och en låg kalvvikt kan signalera dålig betestillgång eller sent födda kalvar. Tillsammans med kalv/hondjur-kvoten (ofta ett mål kring 0,65) och tjurandelen (ofta kring 0,35) bildar de de kvalitetsmål en älgförvaltningsgrupp styr mot.

ÄBIN – älgbetesinventeringen – mäter slutligen skogssidan. Det är ”en kvalitetssäkrad metod för att inventera viltskador i ungskog som är mellan 1 och 4 meter i medelhöjd” och omfattar bete från älg, kron-, dovvilt och rådjur. Resultatet ”är ett medeltal för hela älgförvaltningsområdet” – vilket är både dess styrka och dess svaghet, eftersom betesskadorna i verkligheten är ojämnt fördelade. En utvärdering visade dessutom att talltätheten ”genomgående hade större betydelse för skadebilden än älgtätheten”, och att ÄBIN-skadorna varierar kraftigt mellan år.

Notera vad som saknas i tabellen: en enkel, objektiv, kontinuerlig mätare av faktisk täthet och aktivitet, året runt, oberoende av snö och av jägarnas tidsbudget. Det är precis det gapet kameran kliver in i.

Det som saknas är inte fler åsikter om stammen – det är ett objektivt mått som inte vacklar när jägarnas beteende gör det.

Var viltkameran faktiskt passar in

Här är den goda nyheten, och den kommer från svensk forskning på svenska klövviltarter. I studien Pictures or pellets? jämförde forskare vid SLU kamerafällor med spillningsräkning för älg och rådjur på Järnäshalvön i Västerbotten. Metoden de använde för kamerorna heter random encounter model (REM) och har en avgörande egenskap: den ”can estimate densities without the need to recognize individual animals”. Du behöver alltså inte kunna skilja den ena älgen från den andra – modellen bygger på hur ofta djur passerar kameran, korrigerat för hur långt och brett kameran ser och hur mycket djuren rör sig.

Resultatet är uppmuntrande för älgen. Kameror gav en älgtäthet på 0,60–0,61 älg/km², spillningsräkning 0,54–0,95/km², och den officiella skattningen (byggd på avskjutning och älgobs) låg på 0,78/km² – metoderna landade alltså i samma härad. För rådjur var det mer dramatiskt: kamerorna gav konsekvent ”more than double” jämfört med spillning, och slutsatsen blev att ”dung counts appeared to underestimate population density for roe deer, but not for moose”. Just där flera hjortarter samsas, och spillningen är svår att artbestämma, har kameran ett tydligt övertag – den visar med egna ögon vilken art det är.

Lika viktig är studiens andra fynd: den enkla varianten fungerade. Att räkna ut detektionsavstånd som ett rakt medelvärde gav nästan identiska tätheter som en avancerad modellering, vilket gör metoden ”more convenient to use for citizen scientists, for example, local hunting or conservation groups”. Forskarna drar slutsatsen rakt ut: ”we suggest the next logical step is to include camera trapping into those successful [medborgarforsknings-]programmes”.

Det är exakt vad som nu byggs i Sverige. Forskningsprojektet Scandcam (SLU tillsammans med norska NINA) jämför sedan 2017 kameraövervakning med traditionell inventering för klövvilt, lodjur och småvilt, och Scandcam 2 ”har som mål att utveckla ett gemensamt system för kameraanvändning i viltförvaltningen”. Parallellt har Jägareförbundet och SLU byggt plattformen Viltbild.se, en efterföljare till Viltdata men för kamerabilder, där bilderna analyseras automatiskt med artigenkänning. Under 2026 utökas analysen med köns- och åldersbestämning för klövviltarterna. Tanken är att kameran ska kunna leverera samma nyckeltal som älgobsen redan ger – antal kalvar per vuxet hondjur, könsfördelning, aktivitet över dygnet – fast objektivt och året runt.

Den ärliga gränsen: varför dina åtelbilder inte är en räkning

Nu till det som är lätt att vilja hoppa över men som är hela skillnaden mellan användbar data och vilseledande data. Du kan inte ta bilderna från din åtelkamera, räkna älgarna och kalla det en täthet. SLU och Naturvårdsverket är ovanligt tydliga på den punkten:

Bilder och data enbart från jägarkameror kan inte användas för att skatta vilttätheter – eftersom kamerorna sätts där viltet förväntas röra sig skulle metoden överskatta tätheten.

Det är inte en formulering jag hittat på; det är i sak vad den svenska myndighetsrapporten om kameratäthet slår fast. Hela vitsen med en åtelkamera eller en kamera vid en viltväxel är att den står där chansen att fånga djur är störst. Det gör den perfekt för att lära känna din mark – och systematiskt missvisande som mätare av hur tätt det är i landskapet i stort. En slumpmässigt placerad kamera i en tät granungskog och en kamera vid saltstenen ”ser” helt olika mycket vilt, fast tätheten kan vara densamma.

Lösningen som de svenska forskarna landat i är elegant: kombinera två sorters kameror. Referenskameror placeras strukturerat eller slumpmässigt inom ett referensområde och ger ett opartiskt mått; jägarkameror ger bred täckning över en mycket större yta. Genom en gemensam statistisk modell kan referenskamerorna kalibrera jägarkamerorna. I vildsvinsrapporten gick man från ett referensområde till täthetsskattningar över upp till ungefär 200 000 hektar, på en upplösning av 1×1 km. Klövviltinventeringen 2026 bygger på samma idé: förbundets egna kameror täcker ett område på 15 000 hektar, och deltagarnas kameror ”i och runtom” låter modellen skatta stammarna över mer än 200 000 hektar. Metoden utvecklades först för vildsvin, men ”det är möjligt att tillämpa samma principer och anpassa modellen även för annat klövvilt”.

Det finns fler fallgropar som en metodansvarig bör känna till. Kvantitativa kameramodeller är känsliga för sina parametrar. I Pictures or pellets? gav telemetri-baserade skattningar av hur långt djuren rör sig per dygn helt andra – och troligen felaktiga – tätheter än kamerabaserade, eftersom GPS-positioner missar djurens finrörelser. För den alternativa metoden camera trap distance sampling (CTDS) gäller att om man inte korrigerar för kamerans återhämtningstid mellan utlösningar kan tätheten underskattas ”by up to 96 %”. Det är inte argument mot kameror – det är argument för att låta proffsen sköta omräkningen, och för att du som bidrar följer protokollet exakt.

Och så kostnads-/precisionsfrågan, som avgör om en metod alls är värd besväret. En italiensk jämförelse av tre metoder för rådjurstäthet fann att spillningsräkning var mest precis men krävde stor insats, drevräkning var minst precis och mest personalkrävande, medan kameror gav ”an intermediate level of precision and required the lowest sampling effort”. Lägst insats för rimlig precision – det är just den profil som gör kameror attraktiva när arbetet ska göras av frivilliga snarare än anställda.

En åtelkamera är ett utmärkt verktyg för att lära känna din mark – och en usel mätare av hur tätt det är i landskapet. Skillnaden ligger i var den står.

Sammanfattningsvis: viltkameror är på väg in i den svenska förvaltningen, men Scandcam 2 säger själv att ett av målen är att ”delimit what can, and what cannot, be done with the use of camera traps”. Tills protokoll och modeller är validerade och i drift är kameradata ett kompletterande index – starkast på art, aktivitet, kalv/ko-kvot och trend – inte en officiell stamskattning som ersätter älgobs eller avskjutningsstatistik.

Så bidrar du – konkret

Det mest värdefulla du kan göra som jägare eller förvaltare är förvånansvärt jordnära: leverera bra data till de system som redan styr besluten. Här är var din insats faktiskt landar.

1. Rapportera avskjutningen – och gör det även när du inte fällt något. Fällda älgar rapporteras i Älgdata med BankID av jaktområdets företrädare, och slutbekräftas hos länsstyrelsen; fällda älgar och kronhjortar överförs automatiskt dit. För arter med allmän jakttid rapporterar du i Viltdata, där Jägareförbundet skattar den totala avskjutningen. Rapporteringen är medvetet frivillig för de flesta arter: ”internationella erfarenheter visar att ett obligatorium kan ge sämre data”, eftersom den som inte vill uppge sitt uttag annars kan rapportera noll. Ju fler som rapporterar ärligt, desto bättre underlag.

1. Mät och rapportera de biologiska data. Slaktvikt på kalv (enligt SLU:s mätmetod), kön och ålder på fällda djur går in i Viltdata/Älgdata och ger förvaltningen kondition och kvalitet, inte bara antal. Det är några minuters arbete vid slakten som blir till ett kvalitetsmått för hela ÄFO:t.

1. Gör älgobsen ordentligt. De första sju jaktdagarna, varje observation noterad enligt instruktionen, inrapporterad i Viltdata. Kom ihåg att det är områdets samlade timmar som räknas – din enskilda insats blir meningsfull först när den läggs ihop med andras till de ≥5 000 timmar som krävs.

1. Delta i kamerainventeringen om din mark är med. I klövviltinventeringen 2026 (Skåne, Östergötland, Värmland, Gävleborg, Jämtland, Norrbotten) sätter du kameran ”vid en saltsten, viltväxel eller där du vet att viltet rör sig”, ser till att den fungerar hela perioden 1 juni–31 augusti, raderar bilder på människor, och laddar upp resten i Viltbild. Där artbestäms bilderna automatiskt. Den klassificerade informationen (art, kön, ålder, datum, tid och maskerad plats inom 1×1 km) ägs gemensamt av Naturvårdsverket och förbundet – men ”Naturvårdsverket har ingen rätt till exakta positioner, personuppgifter … eller bilder tagna utanför inventeringsperioden eller på andra arter än klövvilt”.

1. Standardisera, även när det inte är ett projekt. Det som gör jägarkameror potentiellt användbara på regional nivå är att de samlas, standardiseras och bearbetas centralt. Plattformar som Viltbild bygger på den långa svenska traditionen av frivillig viltövervakning – Jägareförbundet har ”sedan 1938 ansvarat för delar av viltövervakningen på uppdrag av staten”. Din kamera är en länk i den kedjan.

Det är värt att minnas varför insatsen behövs. Långa, konsekventa tidsserier är det som gör att man överhuvudtaget kan förstå en stam – vid SLU:s Grimsö har vissa serier för älg och rådjur ”startade redan på 1970-talet” och är ”unika i landet”. Den kontinuiteten byggs en säsong i taget, av folk som rapporterar även de år det inte händer något spektakulärt.

Vanliga frågor